Penerapan Particle Swarm Optimization Untuk Seleksi Fitur Pada Analisis Sentimen Review Perusahaan Penjualan Online Menggunakan Naïve Bayes

Abstract

Abstract - Review of company sales made online is a channel that connects consumers with each other. They can pour their opinion of a company which has been making purchases. Consumer reviews online good influence whether or not a company's sales. The main problem in text classification is higher dimensions of space features, it is often the case in the text that have tens of thousands of features. Most of these features are irrelevant and not useful for text classification can even reduce the level of accuracy. Therefore, in this study using Naïve Bayes classifier with Particle Swarm Optimization as a feature selection method is applied to classify the text on the review of online sales company to improve accuracy. This research resulted in the classification of the text in the form of positive and negative. Measurement is based on the accuracy of Naïve Bayes before and after the addition of feature selection methods. Validation is performed using 10-fold cross validation. While the measurement accuracy is measured by the confusion matrix and ROC curves. The results showed that an increase of 79.50% and AUC 0.500 become 86.88% and AUC 0.705. It can be concluded that the application of Particle Swarm Optimization  for feature selection in the Naïve Bayes able to improve accuracy.

Keywords: Company Review Online Sales, Fiture Selection, Naïve Bayes, Particle Swarm Optimization, Sentiment Analisys

Abstrak - Ulasan penjualan perusahaan dilakukan secara online adalah saluran yang menghubungkan konsumen dengan satu sama lain. Mereka bisa menuangkan pendapat mereka dari perusahaan yang telah melakukan pembelian. ulasan konsumen pengaruh secara online baik apakah penjualan perusahaan atau tidak. Masalah utama dalam klasifikasi teks dimensi yang lebih tinggi dari fitur ruang, yang sering terjadi dalam teks yang memiliki puluhan ribu fitur. Kebanyakan dari fitur ini tidak relevan dan tidak berguna untuk klasifikasi teks bahkan dapat mengurangi tingkat akurasi. Oleh karena itu, dalam penelitian ini menggunakan Naïve Bayes classifier dengan Optimization Particle Swarm sebagai metode seleksi fitur diterapkan untuk mengklasifikasikan teks pada review dari perusahaan penjualan online untuk meningkatkan akurasi. Penelitian ini menghasilkan klasifikasi teks dalam bentuk positif dan negatif. Pengukuran didasarkan pada keakuratan Naïve Bayes sebelum dan sesudah penambahan metode seleksi fitur. Validasi dilakukan dengan menggunakan 10-fold cross validasi. Sementara akurasi pengukuran diukur dengan matriks kebingungan dan kurva ROC. Hasil penelitian menunjukkan bahwa peningkatan 79,50% dan AUC 0.500 menjadi 86,88% dan AUC 0,705. Dapat disimpulkan bahwa penerapan Particle Swarm Optimization untuk seleksi fitur di Naïve Bayes dapat meningkatkan akurasi.

Kata Kunci: Perusahaan Ulasan Penjualan Online, Fiture Seleksi, Naïve Bayes, Particle Swarm Optimization, Sentimen Analisys